🧠 LangChain 哲学：AI Agent 的操作系统从系统工程的角度，解析 LangChain 的六大模块（Models, Prompts, Chains, Agents等）如何实现软硬件边界的抽象，为 LLM 赋予感知和推理能力。深入架构本质
🛠️ Tools 与 Agents：掌控异构资源与自主权探讨如何将外部 API、网络接口等异构资源抽象为 Tools。并通过 Agent 的 ReAct 循环实现根据实时反馈进行动态规划。实现系统自主性
🌌 RAG 实践：连接私有知识与 LLM 的未来如何利用 RAG 架构突破 LLM 的知识截止，将企业的私有文档、网络配置、CVZJ 设计数据等，无缝地融入到 Agent 的决策和生成流程中。突破知识边界
京ICP备 2021012920号 
京公网安备 11011402053696号